← Lane Detection

Papers with Code · CC BY-SA 4.0

BDD100K val

아카이브 평가 11건 · 마지막 적재/변경 2026-10-30

원본 데이터셋 링크 1

평가 기록

과거 수집 기록이며 최신 순위가 아닙니다. 데이터셋 버전·split·실험 조건과 지표 방향이 검증되지 않은 결과는 직접 비교할 수 없습니다. 날짜는 논문 날짜이며 최신 평가일을 뜻하지 않습니다.

표가 화면보다 넓으면 좌우로 스크롤하여 논문과 구현 링크를 확인하세요.

원본 기록 순서 · 순위 미부여
모델	원본 지표·값	논문	구현
TwinLiteNetPlus-Large	Accuracy (%) 81.9 Params (M) 1.94 IoU (%) 34.2	TwinLiteNetPlus: A Stronger Model for Real-time Drivable Area and Lane Segmentation 2024-03-25	코드 1 · 코드 2
TwinLiteNetPlus-Medium	Accuracy (%) 79.1 Params (M) 0.48 IoU (%) 32.3	TwinLiteNetPlus: A Stronger Model for Real-time Drivable Area and Lane Segmentation 2024-03-25	코드 1 · 코드 2
HybridNets	Accuracy (%) 85.4 Params (M) 12.8 IoU (%) 31.6	HybridNets: End-to-End Perception Network 2022-03-17	코드 1 · 코드 2 · 코드 3
TwinLiteNet	Accuracy (%) 77.8 Params (M) 0.43 IoU (%) 31.08	TwinLiteNet: An Efficient and Lightweight Model for Driveable Area and Lane Segmentation in Self-Driving Cars 2023-07-20	코드 1
TriLiteNet-base	Accuracy (%) 82.3 Params (M) 2.35 IoU (%) 29.8	TriLiteNet: Lightweight Model for Multi-Task Visual Perception 2025-03-17	코드 1
TwinLiteNetPlus-Small	Accuracy (%) 75.8 Params (M) 0.12 IoU (%) 29.3	TwinLiteNetPlus: A Stronger Model for Real-time Drivable Area and Lane Segmentation 2024-03-25	코드 1 · 코드 2
A-YOLOM(s)	Accuracy (%) 84.9 IoU (%) 28.8	You Only Look at Once for Real-time and Generic Multi-Task 2023-10-02	코드 1
YOLOPv2	Accuracy (%) 87.8 Params (M) 38.9 IoU (%) 27.25	YOLOPv2: Better, Faster, Stronger for Panoptic Driving Perception 2022-08-24	코드 1 · 코드 2
YOLOP	Accuracy (%) 70.5 Params (M) 7.9 IoU (%) 26.2	YOLOP: You Only Look Once for Panoptic Driving Perception 2021-08-25	코드 1 · 코드 2 · 코드 3 · 코드 4 · 코드 5
TwinLiteNetPlus-Nano	Accuracy (%) 70.2 Params (M) 0.03 IoU (%) 23.3	TwinLiteNetPlus: A Stronger Model for Real-time Drivable Area and Lane Segmentation 2024-03-25	코드 1 · 코드 2
Enet-SAD	Accuracy (%) 36.6 IoU (%) 16.02	Learning Lightweight Lane Detection CNNs by Self Attention Distillation 2019-08-02	코드 1 · 코드 2